Polymarket 千萬贏家複盤：40 個位址、10 萬筆交易，只有三種賺錢方式

原文標題：《拆了 Polymarket 排行榜 40 個地址，賺錢的只有三種活法》

原文作者：Leo，預測市場研究員

Polymarket 上賺了一千萬美元的人，策略到底長什麼樣子？

用 Data API 鏈上數據，逆向了體育和 Crypto 兩個賽道的排行榜 Top 20。

40 個地址，超過 10 萬筆交易，一筆一筆拆的。

不是看 dashboard 截圖。 是把每一筆買入、賣出、贖回全部還原成策略行為。

方法：Polymarket Data API 逐地址拉交易記錄，LB API 校驗盈虧，鏈上 REDEEM/MERGE 資料還原真實現金流量。 每個地址 2000 到 15000 筆交易。

拆完以後發現，不管體育還是 Crypto，賺錢的地址分成三類。 三類之間的差異不是參數不同，是在玩完全不同的遊戲。

第一種：方向型，買對了等到底

運動賽道最賺錢的策略，簡單到我一開始不信。

18 個有效地址中，14 個只買不賣。 持倉到結算，贏了贖回，輸了歸零，不做波段。

同樣是只買不賣，賺法完全不同。

• swisstony：4.94 億美元交易量，回報率 1%，淨賺 496 萬美元。 全自動，30 分鐘下 353 筆，覆蓋五大聯賽。 每場只賺一點點，但量太大了。

• majorexploiter：回報率 39%，單筆最大 99 萬美元。 600 多筆交易幾乎全押在兩場 Arsenal 比賽上。 敢下重註，贏了就是幾百萬。

一個鋪量一個押注，都賺了幾百萬。 方法相反，但都有一個共同點：對自己下注的賽事有資訊優勢。

kch123，體育排行榜第一，累計獲利 1,035 萬美元。

但截至 3 月中旬分析時，最近 30 天虧了 47.9 萬。 近 7 天勝率只有 31%（15 勝 33 負）。 14303 筆交易全部是買入，0 筆賣出。 日均 493 筆，74% 的交易間隔不到 10 秒。

賺了一千萬的機器，正在失速。 光看排行榜你不會知道這些，得拆鏈上數據才能看到。

fengdubiying，體育第 13，獲利 313 萬美元。

我在批量分析時給他打了「賣出主導型」的標籤，看起來是個做波段的。

拆開資料：回款的 93.6% 來自贖回，賣出只佔 6%。 真實策略是 LoL 電競集中下注。 單市場最大 158 萬美元（T1 vs KT Rolster），勝率 74.4%，損益比 7.5 比 1。

賣出是他的停損工具，不是主策略。 只看 dashboard 上的買賣比例，你會完全誤判這個人在做什麼。

第二種：結構型，不靠預測賺錢

Crypto 排行榜完全是另一個物種。 體育那邊是賭方向，Crypto 這邊是做莊。

深挖 Crypto Top 5：三個在跑漲跌二元期權的做市機器人，一個用 MERGE 管庫存的價格閾值做市商，一個專做公募里程碑事件套利（回報率 43.3%）。

散戶在賭博漲跌，頭部玩家在當莊。

0x8dxd，BTC 5/15 分鐘漲跌做市商。

94% 的交易是對稱掛單，同時買漲和買跌。 全天運行，單筆中位數不到 6 美元。 買入價漲 跌

另一個做市地址更極端：在 Economics 品類幾乎壟斷了流動性供給。 982 筆買入，0 筆賣出，六位數 PnL。 賺的是 maker rebate 加上流動性溢價。

看到這裡你可能覺得做市穩賺？ GitHub 上有個開源的 Polymarket 做市 bot，程式碼寫得很工程化，WebSocket 即時資料、三件組風控（停損 波動率凍結 休眠期）、自動合併部位。 作者自己承認：不營利。

原因是定價邏輯是 penny jumping，在現有最優報價前面插一分錢。 說白了就是跟單，沒有自己的定價能力。

程式碼再精良也沒用，做市賺不賺錢取決於你的定價模型能不能比市場更準。

還有一個數據值得注意：根據鏈上交易時間戳分析，Polymarket 加密價格市場裡超過七成的套利利潤被延遲低於 100 毫秒的 bot 拿走。 整個市場只有不到 8% 的錢包是盈利的。 bot 延遲在秒級的話，基本上是在給高頻玩家提供流動性。

第三種：認知型，少下注但每一筆都有判斷

第三類位址跟前兩類完全不同。 交易頻率很低，一個月可能只出手兩、三次，但每一筆背後都有研究。

舉幾個例子。

• 一個天氣品類的地址，用氣象局公開資料建模，只在勝率超過 0.77 的時候入場，一個月可能只做兩三單，單筆利潤數萬美元。

• 另一個地址 89% 的交易都是買 NO，持倉週期以月計算，勝率不高，但 payoff 倍數平均 9 倍以上，靠幾次對的大賭注覆蓋所有小虧損。

• 還有個更極端的：在 FDV（全結果）市場裡只做一件事，50-55 美分買 NO，等到結算拿 1 美元。 勝率 100%。 不是運氣好，是其他人沒注意到這個定價偏差。

但認知型不是「研究夠深就能賺」。 我拆過一個案例，有人用 137 萬行歷史資料做了 BTC 價格偏差的機率矩陣，回測表現完美，一做滾動驗證直接崩了。 市場效率提高得很快，上個月有用的規律這個月已經被套利掉了。

認知型真正的 edge 是你對某個品類的理解比市場定價更深，而不是模型更複雜。

三種活法的比較

三種活法比較表

我自己在做什麼

說完別人，說說我自己。

我同時跑幾條線：Crypto 做市（結構型）、體育機率定價（方向型）、天氣資料建模（認知型）。 每條線都不大，沒有 kch123 那樣日均 493 筆的規模，也沒有 swisstony 那樣 4.94 億的交易量。

拆完這 40 個位址以後我想得最多的一件事：搞清楚自己在玩哪個遊戲，比優化任何參數都重要。

做方向型但沒有資訊優勢，再好的執行也是猜。 做結構型但延遲跟不上，你就是被收割的那個。 這不是雞湯，是我看完數據以後對自己說的話。

現在每條線都跑小規模驗證，確認 edge 存在再加量。 不急著鋪開，先把一兩個品類跑通。

資料來源：Polymarket Data API LB API Polygon 鏈上資料 | 分析週期：2026 年 1-3 月

想在 Polymarket 上試試？ 先想清楚你要玩哪個遊戲。